見出し画像

AI計算資源需要は、どこへ配分されるのか｜GPU・カスタムASIC・第2供給源を読む｜AIインフラの地図を読む 第19回

Archi / Lucky Cat

今日の読みどころ

AI計算資源を見るとき、最初に目に入るのはNVIDIAです。

データセンター売上、粗利率、フリーキャッシュフロー、AIファクトリー全体の支配力。

どれを見ても、NVIDIAが中心にいることは崩れていません。

ただ、ここで気になるのは、NVIDIAが強いか弱いかではありません。

AI能力の進化によって計算資源需要が広がるほど、ハイパースケーラーやAIラボの投資資金は、NVIDIAだけで吸収しきれるのか。

それとも、AMD、Google TPU、AWS Trainium、Meta MTIA、Broadcom、Marvell、CPU側、そしてSpaceX/xAI圏のような新しい計算資源の貸し手にも配分されていくのか。

第19回で残したい仮説は、次です。

NVIDIAはAI計算資源の中心に残る。
ただし、需要が広がるほど、資金はNVIDIA標準圏を補完するGPU、第2供給源、自社AI ASIC、カスタムシリコン、接続半導体、新しい計算資源の貸し手にも流れるのではないか。

この回では、「NVIDIA一強が終わるか」ではなく、どこまでがNVIDIA標準として残り、どこから補完、分散、部分的な置き換えが始まるのかを整理します。

そのために、NVIDIA、AMD、自社AI ASIC、Broadcom、Marvell、Intelとの接点、SpaceX/xAI圏を同じ土俵で比べません。

それぞれが、計算資源のどの役割を担い、どの数字に出ていて、どこがまだ仮説なのかを分けます。

はじめに、投資家として気になる問いから

第17回では、NVIDIAをAIファクトリーの標準仕様として見ました。

第18回では、Microsoft、Amazon、Alphabet、Meta、Oracle、CoreWeaveの資金投入が、AIファクトリーをどれだけ巨大化させているかを見ました。

では、その投資資金は、どの計算資源へ配分されるのでしょうか。

第19回で見たいのは、ここです。

NVIDIAの決算は強い。
データセンター売上も、粗利率も、フリーキャッシュフローも強い。

それでも、ハイパースケーラーやAIラボの設備投資がここまで大きくなると、別の問いが出てきます。

  • NVIDIAだけで本当に足りるのか

  • AMDやカスタムASICに流れる分はないのか

  • Google、Amazon、Metaの自社AI ASICは、GPU需要をどこまで吸収するのか

  • BroadcomとMarvellは、NVIDIAの競合なのか、それとも補完者なのか

この違和感は、まだすべてが決算KPIに落ちているわけではありません。

しかし、すべての数字がそろってから見るのでは遅い論点でもあります。

ここに、もうひとつ早めに置いておきたい問いがあります。

  • SpaceX/xAI圏のような巨大GPUクラスター保有者は、AIモデル開発者であると同時に、AI計算資源の貸し手へ変わるのか

この論点は、すでに需要源として動き始めています。

Anthropicは、SpaceXのAI計算能力を利用する契約を締結しました。

さらにSpaceXは、GoogleとのCloud Service AgreementをSEC提出資料で開示しています。

Googleへ提供する計算能力には、約11万基のNVIDIA製GPU、CPU、メモリ、関連部材が含まれます。

これは、AI計算資源の地図に新しい問いを持ち込みます。

AIモデル企業は、Microsoft、Amazon、Alphabet、Oracle、CoreWeaveだけでなく、SpaceX/xAI圏のようなGPUクラスター保有者からも計算資源を調達するのか。

GPUを買う企業と、GPUを貸す企業の境界はどこまで変わるのか。

この問いで未確認なのは、需要が存在するかどうかではありません。

その需要が、どの上場企業のGPU、ネットワーク、光通信、メモリ、データセンター、電力、売上、利益率、FCFへ届くかです。

だから、第19回の入口に置いておく価値があります。

これらの問いを見ると、AI計算資源の競争は、単なるGPU性能比較ではないことが分かります。

競争軸は、GPUの演算性能だけではありません。

  • ラック単位の処理能力

  • 学習と推論のコスト

  • ネットワーク帯域

  • HBMとパッケージ供給

  • ソフトウェアの成熟度

  • 顧客の実装負担

  • 量産時期

  • 供給能力

  • 粗利率

  • フリーキャッシュフロー

  • 中国向け輸出規制

AIインフラ投資を見るときは、「どのチップが速いか」だけでは足りません。

実際には、「どのシステムが、顧客のAIファクトリーに早く、大量に、安定して入るのか」を見る必要があります。

第19回の仮説は、ここです。

NVIDIAはAI計算資源の中心に残る。
ただし、AI能力の進化によって計算資源需要が広がるほど、資金はAMD、自社AI ASIC、Broadcom、Marvell、NVIDIA標準に接続するCPU側、そしてSpaceX/xAI圏のような新しい計算資源の貸し手にも配分される。

見るべきなのは、「NVIDIA一強が崩れるか」ではありません。

どこまでがNVIDIA標準として残り、どこから補完、分散、部分的な置き換えが始まるのかです。

現在どこまで確認できるか

現時点の地図は、かなりはっきりしています。

  • NVIDIAは、AI計算資源の中心であり続けている

  • AMDは、第2供給源として重要度を増しているが、CUDA並みの標準にはまだ届いていない

  • Google、Amazon、Metaの自社AI ASICは、NVIDIAの全面代替ではなく、特定用途の内部最適化である

  • BroadcomとMarvellは、GPU企業ではないが、カスタムAI計算資源と接続層で重要になっている

  • Intelは、GTC Taipeiで見えたNVIDIA標準に接続するx86 CPUとして観察する

つまり、AIの計算資源は「NVIDIAだけを見る」段階ではありません。

しかし同時に、NVIDIA一強の構図がすでに終わったと見るのも早計です。

NVIDIAの優位は、GPUの性能だけではなく、システム全体の標準化にあります。ここを見落とすと、AMDやカスタムASICの意味を過大評価しやすくなります。

一方で、ハイパースケーラーの投資額があまりに大きくなったことで、顧客側には当然、調達先を分散したい動機が生まれます。自社ワークロードに合う部分では、NVIDIA以外を使いたい。推論ではコストを下げたい。特定の社内モデルでは、自社ASICに寄せたい。

この動きも、過小評価してはいけません。

ここから先は、仮説をそのまま語るのではなく、現在確認できる決算数字、顧客開示、設備投資、粗利率、フリーキャッシュフローに照らして見ていきます。

NVIDIA帝国は、AIファクトリーの中枢を押さえている

まず、NVIDIAから見ます。

NVIDIAの強さは、GPUの売上が大きいことだけではありません。
GPU、CUDA、NVLink、ネットワーク、ラックスケール設計を組み合わせ、AIファクトリーの中枢を押さえていることにあります。

NVIDIAの2027年度第1四半期は、次のような数字でした。

  • 全社売上高は816.15億ドル、前年同期比85%増

  • Data Center売上高は752.46億ドル、前年同期比92%増

  • Compute & Networking売上高は745.50億ドル

  • Compute & Networkingの営業利益率は71.5%

  • GAAP粗利率は74.9%

  • フリーキャッシュフローは485.54億ドル

この時点で、NVIDIAはすでに「AI半導体の有力企業」という規模ではありません。

AIデータセンター投資の中心にいる、巨大なキャッシュ生成企業です。

しかも、NVIDIAのData Centerは、単なるGPU売上ではありません。同社は、Blackwell 300の立ち上がり、InfiniBand、Spectrum-X Ethernet、NVLinkへの需要を説明しています。つまり、AI計算資源は、GPUだけではなく、ラック、ネットワーク、スケールアップ接続、スケールアウト接続を含むシステムとして売られています。

ここが、NVIDIAを見るときの最重要点です。

GPU単体のベンチマークで勝てる製品が出てきても、それだけではNVIDIAの地位は崩れません。顧客が欲しいのは、AIファクトリーを動かすための総処理能力、開発環境、運用の安定性、推論コスト、導入速度です。

NVIDIAは、この「導入しやすい標準」を持っています。

だからこそ、NVIDIAの強さは、GPU性能だけでは測れません。

NVIDIAにも確認すべき弱点はある

ただし、NVIDIAを強いと見ることと、無条件に安心することは違います。

確認すべき点もあります。

まず、供給網へのコミットメントです。

NVIDIAの2026年度末時点では、製造、供給、容量確保に関する契約上の義務が952億ドルありました。2027年度第1四半期には、供給関連コミットメントが1,190億ドルに増えています。

これは、需要が強いことの裏返しです。

一方で、AI半導体の世代交代が速い市場では、在庫、前払い、供給契約のリスクも大きくなります。NVIDIAの在庫は2026年度末に214.03億ドル、2027年度第1四半期には257.97億ドルまで増えています。

強い企業ほど、次世代品を大量に準備しなければいけない。ここに、AIインフラ企業を見る難しさがあります。

もうひとつは、中国向け輸出規制です。

NVIDIAは2027年度第2四半期の売上見通しに、中国向けData Center computeの売上を含めていません。同社は、中国市場が実質的に閉ざされているという趣旨の説明もしています。

AI計算資源は、単なる企業間競争ではなく、米国と同盟国のAIスタック、輸出規制、各国のデータセンター政策にも左右されます。

NVIDIAは圧倒的に強い。

しかし、その強さは、供給網への巨額コミットメント、在庫、輸出規制、顧客集中とセットで見なければなりません。

AMDは第2供給源になり始めている

次にAMDです。

AMDを見るとき、まず避けたいのは「NVIDIAに勝つか負けるか」だけで見ることです。

AMDの重要性は、NVIDIAをすぐ置き換えることではありません。ハイパースケーラーやAI企業にとって、AI GPUの第2供給源になることです。

2026年第1四半期のAMDは、次のような数字でした。

  • 全社売上高は102.53億ドル、前年同期比38%増

  • Data Center売上高は57.75億ドル、前年同期比57%増

  • Data Center営業利益は15.99億ドル、前年同期比72%増

  • GAAP粗利率は53%

  • フリーキャッシュフローは25.66億ドル

  • 現金および短期投資は123.47億ドル

AMDは、Instinct GPU、EPYCサーバーCPU、AI NIC/DPU、FPGA、ROCm、Heliosラックスケールプラットフォームを持っています。

つまり、AMDもGPUだけで戦っているわけではありません。CPU、GPU、ネットワーク、ソフトウェア、ラック設計を組み合わせて、AIインフラに入ろうとしています。

注目すべきは、顧客側の動きです。

AMDは、OpenAIとの間で6GW規模のAMD GPU導入に関する契約を発表しています。最初の1GWはAMD Instinct MI450から始まる計画です。またMetaとの戦略的提携も拡大しており、最大6GWのAMD Instinct GPU、最初の1GWはカスタムAMD Instinct MI450ベースのGPUとされています。

これは、AMDがAI GPUの第2供給源として現実味を持ち始めたことを示します。

ただし、ここで注意が必要です。

これらは、実装の見通しを強める材料ではありますが、そのままSEC上のバックログとして読めるわけではありません。契約、導入時期、GPU世代、顧客側の設備投資、ソフトウェア対応、量産能力を分けて見る必要があります。

AMDの評価で重要なのは、NVIDIAとの単純な性能差ではありません。

  • ROCmがどこまで実運用に耐えるか

  • 大規模顧客がどれだけ継続採用するか

  • MI450以降の量産が予定通り進むか

  • HBM、先端パッケージ、基板、組立の供給を確保できるか

  • Data Centerの成長が粗利率とフリーキャッシュフローに残るか

AMDは、NVIDIAの全面代替ではありません。

しかし、AI計算資源の地図では、もう脇役とも言い切れません。

AMDの制約は、ソフトウェアと供給力にある

AMDの数字を見ると、Data Centerは明確に伸びています。

ただし、NVIDIAとの差は、売上規模だけではありません。ソフトウェア標準、顧客実装、供給力の差でもあります。

NVIDIAのCUDAは、長い時間をかけてAI開発者とインフラ運用者の標準になりました。AMDのROCmは改善していますが、顧客が既存ワークロードを移すには、検証、最適化、運用体制の整備が必要です。

さらに、AI GPUはチップだけでは作れません。

HBM、先端パッケージ、基板、電源、冷却、ネットワーク、ラック設計が必要です。AMDもTSMC、ATMP、HBM、基板、クラウド契約に依存しています。

また、中国向け規制もあります。

AMDのInstinct ICや一部Versal FPGAは、特定地域向けに輸出ライセンスが必要です。MI308関連では、2025年に4.40億ドルの在庫および関連費用を計上しています。

したがって、AMDを見るときは、「NVIDIAに追いつくか」ではなく、次のように見るのがよいと思います。

  • 第2供給源としてどの顧客に入ったか

  • 何GW規模で導入されるか

  • どの世代から量産されるか

  • ソフトウェア移行の摩擦がどれだけ小さくなるか

  • 粗利率を維持しながら伸ばせるか

AMDは、AI計算資源の分散を読むうえで、最初に見るべき企業です。

ただし、NVIDIAの標準をすぐ壊す企業としてではなく、「顧客の調達戦略に入る第2供給源」として見る方が、現実に近いです。

ここまでの整理｜中心はNVIDIA、分散の入口はAMD

ここまでで見たのは、AI計算資源の中心と第2供給源です。

NVIDIAは、GPUだけではなく、ネットワーク、ラック、CUDA、推論基盤を含む標準仕様を持っています。

AMDは、その標準をすぐ壊す企業ではありません。

ただし、OpenAIやMetaのような大口顧客がAMD GPUを導入し始めるなら、NVIDIAだけでは足りないほどAI計算資源需要が大きい、という読み方ができます。

ここから見るGoogle、Amazon、Metaの自社AI ASICも、同じ構図です。

NVIDIAを不要にする話ではありません。

巨大顧客が、NVIDIAを使いながら、特定ワークロードだけを内製計算資源へ寄せる動きです。

Google、Amazon、Metaは自社AI ASICで何を狙っているのか

次に、ハイパースケーラーの自社AI ASICです。

ここでは、GoogleのTPU、AmazonのTrainiumとInferentia、MetaのMTIAを見ます。

自社AI ASICを見るときに大事なのは、「NVIDIA GPUの代替か」という問いを、いきなり立てないことです。

自社AI ASICは、主に次の目的を持ちます。

  • 自社ワークロードに合わせてコストを下げる

  • 推論や特定の学習処理を最適化する

  • NVIDIAへの依存度を下げる

  • クラウド顧客向けに差別化したAI計算資源を提供する

  • 長期的な供給計画を自社で握る

これは、GPU需要がゼロになるという話ではありません。

むしろ、巨大顧客がNVIDIAを使いながら、同時に自社向けの計算資源も増やしている、と見る方が自然です。

Google TPUは、内製AI計算資源の最も成熟した例である

Googleは、TPUを10年以上開発してきました。

Google Cloudでは、TPU v6e、Trilliumなどを、Transformer、テキストから画像生成、CNNの学習、ファインチューニング、サービング向けに提供しています。

Googleの2026年第1四半期を見ると、AIインフラに投資する力も非常に大きいことが分かります。

  • 全社売上高は1,098.96億ドル、前年同期比22%増

  • Google Cloud売上高は200.28億ドル、前年同期比63%増

  • Google Cloud営業利益は65.98億ドル、前年同期比203%増

  • Google Cloudの営業利益率は約32.9%

  • 設備投資は357億ドル、前年同期比108%増

  • 2026年通期の設備投資見通しは1,750億ドルから1,850億ドル

Googleは、AI需要を持つ側であり、AI計算資源を作る側でもあります。

この点で、TPUはNVIDIAに対する単純な競合ではありません。Google内部のAIワークロード、Google Cloudの差別化、長期的なコスト最適化のための戦略資産です。

ただし、TPUがNVIDIAを完全に置き換えているとは言えません。

Google CloudのバックログがすべてAIというわけでもありません。TPUの製造、HBM、パッケージ供給の詳細も、外部から完全には見えません。

TPUは、NVIDIA標準の外側にある、最も重要な内製計算資源です。

しかし、それは「NVIDIA不要」を意味するものではありません。

Amazon Trainiumは、AWSのAI粗利を守るための武器である

Amazonは、AWSを通じてAI計算資源を提供する側です。

2026年第1四半期のAWSは、次のような数字でした。

  • AWS売上高は375.87億ドル、前年同期比28%増

  • AWS営業利益は141.61億ドル、前年同期比22.6%増

  • AWS営業利益率は37.7%

  • 将来サービスコミットメントと履行義務は約3,640億ドルで、その多くがAWS関連

Amazonは、Trainium、Inferentia、Neuron SDKを持っています。Trainium2では、Trn2 UltraServersで最大64個のTrainium2チップをNeuronLinkで接続する構成を示しています。

ここでの狙いは、AWSのAI計算資源をNVIDIAだけに依存させないことです。

AWSがAI需要を取り込むほど、GPU調達コスト、供給制約、顧客価格、粗利率の問題が大きくなります。自社チップは、この問題に対する重要な手段です。

Amazonは、AWSチップ事業が年率換算で200億ドル超、前年同期比で3桁成長しているという説明もしています。

ただし、この数字は単独セグメントとして開示されているわけではありません。TrainiumやInferentiaがどれだけNVIDIA GPUを置き換えたのか、AIチップ単体の粗利がどれだけあるのかも、外部からは読み切れません。

Amazonの自社チップは、AWSのAI計算資源を内側から支えるものです。

NVIDIAを完全に不要にするものではなく、AWSの価格競争力と供給余地を広げるための選択肢と見るのが妥当です。

Meta MTIAは、広告と生成AIのための内部最適化である

Metaも、AI計算資源を大量に必要とする企業です。

2026年第1四半期のMetaは、次のような数字でした。

  • 売上高は563.11億ドル、前年同期比33%増

  • 広告売上高は550.24億ドル、前年同期比33%増

  • 営業利益は228.72億ドル、前年同期比30%増

  • 営業利益率は41%

  • 設備投資は198.40億ドル

  • 2026年通期の設備投資見通しは1,250億ドルから1,450億ドル

  • フリーキャッシュフローは123.86億ドル

MetaのAI投資は、広告、ランキング、レコメンド、生成AI、AIアシスタント、開発者向けモデルに結びついています。

MTIAは、その一部を自社で最適化するためのAIアクセラレータです。

ここでも、見方は同じです。

MTIAは、NVIDIA GPUを全面的に置き換えるものではありません。Metaは引き続き巨大なAI計算資源を必要としており、外部GPU、AIアクセラレータ、ネットワーク、電力、データセンターを組み合わせて使います。

ただし、Metaのように特定のワークロードを大量に持つ企業にとって、自社ASICの意味は大きいです。

最適化できる処理が増えれば、推論コスト、電力効率、供給制約への耐性が変わります。

MetaのAI ASICは、外部販売される半導体事業ではありません。

しかし、NVIDIA需要の一部が、顧客内部でどう最適化されるかを見るうえで、重要な観察対象です。

ここまで見たGoogle TPU、Amazon Trainium、Meta MTIAは、ハイパースケーラー自身が使う計算資源です。

次に見るBroadcomとMarvellは、少し位置が違います。

自社でGPUを売る企業ではなく、ハイパースケーラーのカスタムAI計算資源や、AIデータセンターの接続層に入る企業です。

Broadcomは、カスタムAIアクセラレータとEthernetの会社として見る

次にBroadcomです。

Broadcomは、GPU企業として見ると分かりにくい会社です。

AIインフラの文脈では、BroadcomはカスタムAIアクセラレータ、XPU、Ethernet switching、routing silicon、NIC、PHY、光部品、CPO、SerDes、PCIeなどを持つ企業として見る方が自然です。

2026年度第1四半期のBroadcomは、次のような数字でした。

  • 売上高は193.11億ドル、前年同期比29.5%増

  • Semiconductor Solutions売上高は125.15億ドル、前年同期比52%増

  • Semiconductor Solutions営業利益は75.03億ドル

  • Semiconductor Solutions営業利益率は60%

  • GAAP粗利率は68.1%

  • フリーキャッシュフローは80.10億ドル

  • AI売上高は84億ドル、前年同期比106%増

  • 2026年度第2四半期のAI半導体売上高見通しは107億ドル

この数字を見ると、BroadcomはすでにAIインフラの大きな受益者です。

ただし、NVIDIAとは違う場所で利益を得ています。

Broadcomの役割は、ハイパースケーラーのカスタムAIアクセラレータやAIネットワークに深く入ることです。顧客が自社AI ASICを持とうとすると、設計、接続、ネットワーク、量産の難易度が上がります。Broadcomは、そこに入ります。

つまり、BroadcomはNVIDIAの単純な敵ではありません。

ある領域では、NVIDIA標準の外側にあるカスタムAI計算資源を支えます。別の領域では、AIデータセンターのEthernetネットワークを通じて、NVIDIAを含むAIファクトリー全体を支えます。

競合であり、補完でもある。

Broadcomを読むときは、この両面を分けて見る必要があります。

Broadcomの注意点は、顧客集中とAI需要の持続性である

Broadcomの数字は強いですが、注意点もあります。

2026年度第1四半期では、あるSemiconductor Solutionsの顧客または代理店が、純売上高の42%を占めています。上位5エンド顧客は約50%です。顧客名は開示されていません。

これは、AIカスタムシリコンの強さを示す一方で、顧客集中リスクも示します。

また、BroadcomのRPOは約450億ドルありますが、これをすべてAIと読むことはできません。解約権のある契約を含まないなど、読み方にも注意が必要です。

さらに、Broadcom自身もAI需要の持続性、顧客の設備投資制約、注文の減少、キャンセル、遅延をリスクとして挙げています。AIラックやXPUシステムは、構成によって粗利率を圧迫する可能性もあります。

Broadcomは、AIインフラ地図で必ず見るべき企業です。

ただし、「カスタムASICだからNVIDIAを置き換える」と短絡してはいけません。

本当に見るべきなのは、次の点です。

  • AI売上高がどれだけ継続するか

  • 上位顧客への依存がどう変わるか

  • カスタムXPUとAIネットワークの粗利率がどう動くか

  • TSMC依存と先端パッケージ供給をどう管理するか

  • EthernetがAIデータセンターでどこまで採用されるか

Broadcomは、GPU以外のAI計算資源を読むうえで、最も重要な企業の一つです。

Marvellは、AIデータセンターの接続層から伸びている

Marvellも、NVIDIAのようなGPU企業ではありません。

しかし、AIインフラの中では重要です。

Marvellは、カスタムASIC、電気光学、インターコネクト、Ethernet、PCIe/CXL、ストレージコントローラなどを持っています。AIデータセンターでは、計算するチップだけでなく、チップ同士、ラック同士、データセンター同士をつなぐ接続層が重要になります。

2026年度のMarvellは、次のような数字でした。

  • 年間売上高は81.95億ドル、前年比42.1%増

  • Data Center売上高は61.00億ドル、前年比46%増

  • 第4四半期売上高は22.19億ドル

  • 第4四半期Data Center売上高は16.51億ドルで、売上高の74%

  • 第4四半期GAAP粗利率は51.7%

  • 第4四半期営業利益は4.044億ドル、前年同期比71.9%増

  • 2026年度のフリーキャッシュフローは約13.96億ドル

MarvellのData Center成長は、AI関連のカスタム製品と電気光学需要によるものです。

ここでも、AIインフラの読み方が変わります。

AI計算資源は、GPUやASICの演算性能だけでは決まりません。大量のアクセラレータをつなぐための光接続、Ethernet、SerDes、PCIe/CXL、スイッチング、ストレージが必要です。

Marvellは、この接続層にいます。

また、NVIDIAとの関係でも注目です。Marvellは、NVIDIAのNVLink Fusionに対応するカスタムXPUとスケールアップネットワークに関わる計画を示しています。

これは、MarvellがNVIDIAの外側にいるだけではないことを意味します。

NVIDIAの標準に接続しながら、顧客のカスタム計算資源にも関わる。そういう位置です。

Marvellの注意点は、AI純度と顧客集中である

Marvellを見るときも、数字の読み方には注意が必要です。

Data Center売上高は大きく伸びていますが、Data Centerの中には、クラウド、オンプレミスAIシステム、AIサーバー、Ethernet switching、NAS、ストレージ、データセンター間接続などが含まれます。

つまり、Data Center売上高をすべてAI専用売上と読むことはできません。

また、2026年度の上位10顧客は売上高の82%を占めています。Direct Customer Aが14%、Distributor Aが37%です。顧客名は開示されていません。

地域面では、中国向け出荷先売上が29.70億ドルで36%、台湾向けが16.57億ドルで20%です。AIインフラ企業として見る場合、顧客集中だけでなく、地域別の供給網と規制リスクも確認が必要です。

Marvellの非GAAP営業利益率は改善していますが、非GAAP粗利率は2026年度に59.5%で、前年の61.0%から低下しています。カスタムASICモデルは、規模を取れる一方で、構成によって粗利率に圧力がかかる可能性があります。

Marvellは、AIインフラの接続層で重要性を増しています。

ただし、NVIDIAの代替企業として見るより、AIデータセンターのカスタム化と高速接続の受益者として見る方が、実態に近いです。

GTC Taipeiで見えたNVIDIAとIntelの接点

ここで見たいのは、Intelという会社全体ではありません。

AIインフラの中で、NVIDIAとIntelがどこでつながるのかです。

結論から言うと、GTC Taipeiで前面に出たCPUはIntel x86ではなく、NVIDIA Vera CPUです。

NVIDIAは、Vera CPUをAIエージェント時代のCPUとして打ち出し、Vera Rubin NVL72ではVera CPUとNVIDIA GPUをNVLink-C2Cで接続する構成を示しています。

つまり、NVIDIAのAIファクトリーは、GPUだけでなく、CPU、GPU、NVLink、ネットワーク、ラック、ソフトウェアを束ねる方向へ進んでいます。

そのうえで、IntelはVeraとは別枠で、NVIDIA標準に接続するx86 CPUとして位置づけられます。

NVIDIAとIntelの発表では、IntelがNVIDIA向けのカスタムx86データセンターCPUを作り、NVIDIAがそれをAIインフラプラットフォームに統合するとされています。

ここまでが、現時点で確認できます。

Intel x86は、GTC Taipeiで示されたVera Rubinの中核CPUではありません。

しかし、NVIDIAがAIインフラプラットフォームに統合して市場提供するカスタムx86 CPUとして、公式に位置づけられています。

ここを、トランプ政権によるIntel評価やIntel株の上昇と重ねて読むなら、NVIDIAは重要な材料です。

ただし、それはGTC TaipeiでIntelがVera Rubinの中核CPUになったという意味ではありません。

Intel株の材料には、米政府の出資、米国内半導体製造の政策支援、Intel 18AやPanther Lakeの進捗、そしてNVIDIAの出資と共同開発が重なっています。

その中でNVIDIAとの関係は、Intelを「AI GPUの競合」ではなく、「NVIDIA標準に接続するx86 CPUの供給元」として見直す材料になります。

したがって、IntelをNVIDIAのGPU競合として見る必要はありません。

AIインフラの地図では、NVIDIA標準がCPU側へ広がるときの、追加のx86接続先として見ます。

同じAI計算資源でも、投資家が見る段階は違う

ここまで見ると、AI計算資源の企業は、同じ土俵に見えて、実は段階が違うことが分かります。

NVIDIAは、すでに巨大売上、巨大利益、巨大フリーキャッシュフローを出している標準企業です。見るべきは、成長率の持続、粗利率、在庫、供給コミットメント、中国規制、顧客集中です。

AMDは、第2供給源として採用が進むかを見る企業です。見るべきは、OpenAIやMetaの導入がどれだけ実売上に変わるか、ROCmの成熟、MI450以降の量産、粗利率、フリーキャッシュフローです。

Google、Amazon、Metaは、自社AI ASICによって、NVIDIA依存を一部下げようとする巨大顧客です。見るべきは、AI ASICそのものの売上ではなく、クラウドや広告の収益力、設備投資、AIワークロード、推論コスト、クラウド顧客への提供状況です。

Broadcomは、カスタムAIアクセラレータとAIネットワークの企業です。見るべきは、AI売上高、上位顧客集中、RPOの質、粗利率、TSMC依存、Ethernet採用です。

Marvellは、AIデータセンターの接続層とカスタム化の企業です。見るべきは、Data Center売上の中身、電気光学、カスタムASIC、NVLink Fusion関連、顧客集中、地域リスク、非GAAP粗利率です。

Intelは、GTC Taipeiで見えたNVIDIA標準のCPU側接続として見ます。現時点では、Vera Rubinの中核CPUではなく、NVIDIAがAIインフラプラットフォームへ統合するカスタムx86 CPUとして位置づけます。

このように見ると、「AI計算資源」という言葉の中にも、複数の階層があります。

  • 標準システムを売る企業

  • 第2供給源になる企業

  • 自社ワークロード向けに内製する企業

  • カスタムAI ASICを支える企業

  • 接続層を支える企業

  • NVIDIA標準のCPU側に接続する企業

投資家が見誤りやすいのは、これらを全部「NVIDIAの競合」として並べてしまうことです。

実際には、競合している部分もあれば、補完している部分もあります。

「NVIDIA一強」は終わったのか

では、最初の問いに戻ります。

AI計算資源は、NVIDIA一強で終わるのでしょうか。

私は、この問いには二段階で答える必要があると思います。

第一に、AIファクトリーの標準仕様という意味では、NVIDIAの優位はまだ非常に強いです。

NVIDIAは、GPUだけではなく、NVLink、InfiniBand、Spectrum-X Ethernet、DPU、CUDA、推論基盤、ラックスケール設計を含めて、顧客がAIインフラを構築しやすい形を持っています。

この標準を崩すのは簡単ではありません。

第二に、AI計算資源への投資資金が、すべてNVIDIAに向かうわけではありません。

ハイパースケーラーは、あまりに大きな設備投資を行っています。第18回で見たように、Alphabetは2026年に1,750億ドルから1,850億ドルの設備投資を見込んでいます。Metaは1,250億ドルから1,450億ドルを見込んでいます。Amazon、Microsoft、Oracle、CoreWeaveも、AIインフラへの投資を拡大しています。

これだけの規模になると、顧客は当然、調達先を分散します。

NVIDIAを使いながら、AMDも試す。GPUを使いながら、自社ASICも増やす。カスタムXPUを設計し、BroadcomやMarvellの接続技術を使う。ネットワークをInfiniBandだけでなくEthernetでも組む。

この分散は、NVIDIAの終わりではありません。

むしろ、AI能力の進化によって、計算資源需要が巨大化した結果です。

見るべきは「代替」ではなく「配分」である

第19回でいちばん大事なのは、ここです。

NVIDIA、AMD、TPU、Trainium、MTIA、Broadcom、Marvell、Intelを、単純な勝ち負けで並べると、AIインフラの地図を読み違えます。

見るべきなのは、AI計算資源需要の配分です。

  • どのワークロードはNVIDIAに残るのか

  • どのワークロードはAMDに移るのか

  • どの推論処理は自社ASICに寄るのか

  • どの接続層はBroadcomやMarvellが取るのか

  • NVIDIA標準がCPU側へ広がるとき、Intel x86は追加の接続先になる

  • どの需要は、SpaceX/xAI圏のような計算資源の貸し手へ向かうのか

AI計算資源の市場は、巨大化するほど分解されます。

学習、推論、社内利用、クラウド外販、ネットワーク、接続、メモリ、パッケージ、電力、冷却、建設。

それぞれで、勝ち方が違います。

NVIDIAは中心にいます。

ただし、中心にいる企業だけが利益を得るわけではありません。

AIインフラの投資資金は、NVIDIAを中心にしながらも、AMD、自社ASIC、Broadcom、Marvell、NVIDIA標準に接続するCPU側、そして新しい計算資源の貸し手へ広がっていきます。

投資家に必要なのは、「NVIDIAか、それ以外か」という二択ではありません。

どの需要が、どの層に配分され、どの企業の数字へ残るのかを読むことです。

決算やKPIで何を追うか

最後に、この見方を次の決算でどう追うかを整理します。

第19回で確認するのは、AI能力の進化によって増えた計算資源需要が、どの企業、どの製品、どの契約へ配分されているかです。

NVIDIAで見るのは、Data Center売上高だけではありません。

  • Data Center computeとnetworkingの伸び

  • Blackwell世代の立ち上がり

  • InfiniBand、Spectrum-X Ethernet、NVLink関連の説明

  • 粗利率

  • 在庫

  • 供給関連コミットメント

  • 中国向けData Center computeの扱い

  • 主要顧客集中

NVIDIAの売上が伸びているかだけを見ると、AI計算資源の標準化の強さを見落とします。ネットワーク、ラック、ソフトウェア、推論基盤まで含めて、どこまで標準仕様として残っているかを見ます。

AMDで見るのは、OpenAIやMetaの発表が、どれだけ実際のData Center売上に変わるかです。

  • Data Center売上高

  • Data Center営業利益

  • Instinct GPUの世代別採用

  • MI450以降の量産時期

  • ROCmの顧客採用

  • 粗利率

  • 在庫と購入コミットメント

  • 中国向け規制の影響

AMDは「NVIDIAを倒すか」ではなく、「第2供給源として継続的に入るか」を追います。

Google、Amazon、Metaで見るのは、自社AI ASICの単体売上ではありません。多くの場合、そこは分かりません。

見るべきは、次のような周辺KPIです。

  • Google Cloud、AWS、Meta広告の収益力

  • 設備投資の上方修正または下方修正

  • TPU、Trainium、Inferentia、MTIAに関する採用説明

  • クラウド顧客への外販状況

  • 推論コストや利用制限に関する説明

  • AIワークロードの内製比率に関する手がかり

Broadcomで見るのは、AI売上高と顧客集中です。

  • AI売上高

  • AI半導体売上高見通し

  • Semiconductor Solutionsの営業利益率

  • RPOの質

  • 上位顧客集中

  • Ethernet AIネットワークの採用

  • TSMC依存

  • XPUやAIラック構成による粗利率への影響

Marvellで見るのは、Data Center売上の中身です。

  • Data Center売上高

  • カスタムASIC

  • 電気光学

  • インターコネクト

  • NVLink Fusion関連の進捗

  • 上位顧客集中

  • 中国、台湾向け出荷比率

  • 非GAAP粗利率

そして、SpaceX/xAI圏のような論点で見るのは、上場企業の通常KPIとは少し違います。

  • どのAIラボが、どのクラスターから計算資源を借りるのか

  • GPU数ではなく、電力容量と稼働率がどう説明されるか

  • Anthropic、Googleのような外部顧客への計算能力提供契約

  • 学習用か、推論用か

  • NVIDIA GPU中心なのか、Trainium、TPU、カスタムASICも混ざるのか

  • その契約が、AIラボの利用制限、売上成長、資金調達にどう効くのか

  • 既存クラウドやネオクラウドの需要を奪うのか、むしろ市場全体の不足を示すのか

ここは、需要源としての存在と、上場企業の業績反映を分けて見ます。

ニュース、契約、利用制限、電力容量、GPU世代、顧客の移動を先に見ます。

そのあとで、決算に出てくる売上、粗利率、設備投資、フリーキャッシュフローと照合します。

AI計算資源の地図は、確定した数字だけで読むものではありません。

ただし、需要の存在を確認した後は、どの企業の売上、粗利率、設備投資、フリーキャッシュフローへ届くかで検証します。

第19回では、この順番を残します。

まだ判断しないこと

一方で、今回の段階で判断しないこともあります。

  • NVIDIAの成長率がいつ正常化するか

  • AMDがNVIDIAのシェアをどれだけ奪うか

  • TPU、Trainium、MTIAがGPU需要を何%置き換えるか

  • BroadcomとMarvellのAI顧客名を断定すること

  • BroadcomのRPOをすべてAI需要と読むこと

  • MarvellのData Center売上をすべてAI売上と読むこと

  • NVIDIA向けx86 CPUの売上規模を断定すること

  • SpaceX/xAI圏が既存クラウドやネオクラウドを置き換えると断定すること

  • 現在の株価が割安か割高か

これらは、まだ材料が足りません。

この連載でやっているのは、個別銘柄の売買判断ではなく、AIインフラの地図を読むことです。

第19回では、AI計算資源の中心がNVIDIAであることを確認しつつ、その周辺で、AMD、自社AI ASIC、Broadcom、Marvell、NVIDIA標準のCPU側接続、SpaceX/xAI圏のような新しい計算資源の貸し手がどの位置にあるかを整理しました。

この記事で残したい判断軸

AI計算資源を見るとき、最初から「NVIDIA一強が終わるか」で考えると、地図を読み違えます。

第19回で残したい判断軸は、連載全体の大問いを計算資源側から読むことです。

AI能力の進化が続くと、計算資源需要はどこまで広がり、その需要はNVIDIA、AMD、自社AI ASIC、Broadcom、Marvell、新しい計算資源の貸し手へどう配分されるのか。

まず見るのは、NVIDIA標準がどこまで残るかです。

GPU、NVLink、ネットワーク、CUDA、推論基盤、ラックスケール設計まで含めて、顧客がNVIDIAを使い続ける理由を確認します。

次に見るのは、巨大顧客がどこで分散を始めているかです。

AMDは第2供給源、自社AI ASICは内部最適化、BroadcomとMarvellはカスタム計算資源と接続層、IntelはNVIDIA標準のCPU側接続として分けて見ます。

最後に、その変化が売上、粗利率、在庫、供給コミットメント、設備投資、フリーキャッシュフローのどこに出ているかを確認します。

第19回で残したいのは、NVIDIAから資金が逃げるという単純な話ではありません。

AI能力の進化によって計算資源需要が巨大化するほど、NVIDIAを中心にしながら、AMD、自社AI ASIC、Broadcom、Marvell、NVIDIA標準のCPU側接続、そしてSpaceX/xAI圏のような新しい計算資源の貸し手へ、資金の配分が広がるという見方です。

第20回への接続

AI計算資源を見ると、次に自然に出てくるのがメモリです。

GPUも、AI ASICも、カスタムXPUも、HBMなしには性能を出せません。AIサーバーの世代が進むほど、計算チップだけでなく、HBM、DRAM、NAND、SSD、パッケージ、基板の制約が重要になります。

第20回では、このメモリ層を見ます。

NVIDIA、AMD、自社ASIC、Broadcom、Marvellを見たあとで、次に見るべきなのは、AI計算資源を実際に動かすための記憶装置と帯域です。

AIファクトリーの制約は、GPUだけで決まりません。

AI能力の進化が続くほど、計算資源需要はGPUやASICだけでなく、HBM、DRAM、NAND、SSDへ広がります。

次は、HBMとメモリ企業の地図を読みます。

参照した主な企業メモ

  • `60_Situational Awareness/AIインフラ企業調査/決算詳細_米国_NVDA_AI_infra_company_file_2026-05-27.md`

  • `60_Situational Awareness/AIインフラ企業調査/企業概要_米国_NVDA_AI_infra_company_file_2026-05-27.md`

  • `60_Situational Awareness/AIインフラ企業調査/企業概要_米国_AMD_ai_infra_company_file_2026-05-19.md`

  • `60_Situational Awareness/AIインフラ企業調査/決算詳細_米国_AVGO_AI_infra_company_file_2026-05-26.md`

  • `60_Situational Awareness/AIインフラ企業調査/企業概要_米国_AVGO_AI_infra_company_file_2026-05-26.md`

  • `60_Situational Awareness/AIインフラ企業調査/決算詳細_米国_MRVL_AI_infra_company_file_2026-05-29.md`

  • `60_Situational Awareness/AIインフラ企業調査/企業概要_米国_MRVL_AI_infra_company_file_2026-05-29.md`

  • `60_Situational Awareness/AIインフラ企業調査/決算詳細_米国_INTC_AI_infra_company_file_2026-05-22.md`

  • `60_Situational Awareness/AIインフラ企業調査/企業概要_米国_INTC_AI_infra_company_file_2026-05-22.md`

  • `60_Situational Awareness/AIインフラ企業調査/企業概要_米国_GOOGL_ai_infra_company_file_2026-05-19.md`

  • `60_Situational Awareness/AIインフラ企業調査/企業概要_米国_AMZN_AI_infra_company_file_2026-05-26.md`

  • `60_Situational Awareness/AIインフラ企業調査/企業概要_米国_META_AI_infra_company_file_2026-05-24.md`

  • Intel, NVIDIA and Intel to Develop AI Infrastructure and Personal Computing Products, 2025-09-18

  • NVIDIA, NVIDIA Unveils Vera, the CPU for Agents, 2026-05-31

  • NVIDIA, NVIDIA Vera Rubin Ramps Into Full Production to Power Agentic AI Factories Worldwide, 2026-05-31

  • Anthropic, Higher usage limits for Claude and a compute deal with SpaceX, 2026-05-06

  • Reuters, Anthropic agrees to pay SpaceX for computing power, 2026-05-21

  • SEC, SpaceX Google Cloud Service Agreement, 2026-06-05


いいなと思ったら応援しよう！

Archi / Lucky Cat ご支援ありがとうございます。あなたの時間を節約できるよう、要点→根拠リンクの順で簡潔にまとめます。迷わず事実にたどり着けますように。。。

この記事は noteマネー にピックアップされました

noteマネーのバナー